基于高阶补偿器的加速度传感器动态误差补偿方法

加速度传感器动态特性对其动态测量结果具有重要影响。为了改善加速度传感器动态性能,减小动态误差,提出了一种基于高阶补偿器的加速度传感器动态误差补偿方法,该方法通过建立加速度传感器ARX模型,利用加速度传感器模型极点确定高阶补偿器的阶次,并应用误差白化算法（EWC）获得高阶补偿器的参数,实现加速度传感器的动态误差补偿。实验结果表明,该方法有效改善了加速度传感器的动态特性,且高阶补偿器的补偿效果优于低阶补偿器的补偿效果。高阶补偿器补偿后传感器输出超调量和残差均是低阶补偿后的三分之一,响应时间是低阶补偿后响应时间的一半左右。     

压力传感器动态误差修正方法的FPGA实现

为了实时修正由于压力传感器动态特性引起的动态误差,提出了一种基于IIR数字补偿滤波器的FPGA实现方案.该方案首先依据压力传感器动态标定时的输入和输出数据利用改进的最小二乘算法建立全面描述传感器系统的数学模型,继而运用零极点配置方法重新配置模型零极点得到最优IIR补偿器模型及参数,其次在保证补偿器性能无失真或失真很小的基础上使用MATLAB工具量化补偿器模型参数,最后在以FPGA为控制核心的数据采集及存储系统的基础上应用量化的IIR补偿器模型参数设计了IIR补偿器软核,从而实现传感器动态误差的实时修正.实验结果表明:该方案能够实时有效地修正传感器动态误差.     

基于最小二乘支持向量机的硅压阻式传感器温度补偿

针对硅压阻式传感器灵敏度和零点温度漂移大、硬件补偿电路效果不佳的问题,提出最小二乘支持向量机方法对其温度漂移进行补偿。首先分析了经硬件补偿后的硅压阻式传感器的温度漂移特性,在整个检测范围内选取均匀分布的温度、压力数据作为模型输入,经预处理后对输出数值进行训练,并运用网格搜索法和交叉确认法优化模型的惩罚因子和正则化参数,建立了传感器温度补偿模型。实验结果表明,基于最小二乘支持向量机的温度补偿算法在0~100℃温度范围内把传感器输出综合精度从3.2%FS提高到0.25%FS,进一步提高了传感器的精度和温度使用范围,具有较高的实用价值。     

高速磁浮车间隙传感器齿槽效应补偿方法研究

齿槽效应是高速磁浮车间隙传感器面临的一个特殊性问题。针对齿槽效应带来的齿槽误差问题,提出在传感器探头内布置齿槽位置检测线圈,采用径向基函数(RBF)神经网络建立齿槽效应逆模型,依据位置信号对传感器的输出进行齿槽补偿的方法。仿真结果表明:在2～20 mm范围内补偿器输出最大误差为±0.18 mm,该种方法可以有效地消除齿槽效应,并提高传感器的检测精度,满足高速磁浮车悬浮控制系统要求。     

基于T-S模糊神经网络的齿槽效应补偿方法研究*

针对齿槽效应带来的齿槽误差问题,提出在传感器探头内布设齿槽位置检测线圈,建立传感器齿槽特性模型和基于T-S模糊神经网络的齿槽补偿系统模型,依据齿槽位置信号对传感器进行齿槽误差补偿。利用附加动量的BP学习方法对网络进行学习和测试。仿真结果表明补偿模型的输出不再随齿槽位置波动,最大误差为依0.2mm,该种方法可以有效地消除齿槽效应并提高传感器的检测精度,满足高速磁浮车悬浮控制系统要求。     

基于最小二乘曲线拟合的信号调理电路误差补偿方法

在自动测试系统中,常常需要信号调理模块对输出或者输入信号进行调理,而由于信号调理电路的非线性及零漂常常会大大影响系统精度,对信号调理部分的误差进行分析并进行软件补偿是很有必要的;提出了一种基于最小二乘曲线拟合方法的信号调理电路误差补偿方法,应用该方法可以得到信号调理电路的误差曲线,进行补偿后可以大大降低信号调理电路的误差,提高系统精度。     

基于分段融合的压阻式传感器温度补偿方法

针对硅压阻式压力传感器在工程应用中受环境温度和压力的影响产生漂移,影响测量精度等问题.提出一种基于粒子群优化RBF神经网络与最小二乘法融合的温度补偿模型.使用粒子群算法对常规RBF神经网络的权值和阙值进行优化,提高神经网络的泛化性能和训练效率,增强传感器非线性段温度补偿的效果;使用最小二乘法对线性段进行温度补偿,提高整体模型的补偿效率.以飞思卡尔24 PC型压力传感器进行补偿实验,结果表明:对比优化前的神经网络和最小二乘方法,利用本文方法进行温度补偿,耗时短,总体误差低于其他两种方法.传感器在整个温度区间和压力测试点下的输出基本不受影响,补偿效果明显,数据精度符合课题实验的要求.     

基于QPSO算法的传感器动态补偿方法及FPGA实现

为了解决在测试系统中由于传感器动态特性引起测试数据失真的问题,提出了一种基于量子粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)的传感器动态补偿方法;该方法依据传感器校准时的输入和输出数据运用QPSO算法得到最优补偿器模型及参数;为了将获得的最优动态补偿器运用于实时在线测量,将分布式算法引入到动态补偿器的硬件结构设计中,完成了传感器动态补偿器的高速并行FPGA实现。实验表明高速并行动态补偿器不但能够修正传感器的动态误差,而且其高速并行结构极大减少了对FPGA资源的占用率并有效的提高了系统等效吞吐率。     

基于最小二乘与粒子群算法的压力传感器动态补偿方法

为了降低运用简化传感器模型对动态测试结果进行修正时带来的误差,提出一种基于最小二乘(LSM)与粒子群优化算法(PSO)的动态补偿器设计方法。采用最小二乘法识别传感器的最佳阶次,作为补偿器的阶次,克服简化模型对补偿器设计的影响,结合粒子群算法对传感器进行逆建模得到补偿器,并分析补偿前后传感器的时域与频域特性。实验表明,该方法能有效的降低传感器的动态测量误差。     

基于逆模型的温度传感器动态补偿方法

在瞬态测量中,温度传感器的测量滞后会影响到测量系统的精度。提出了一种通过建立温度传感器的动态逆模型来扩宽其工作频带,以此来减小因温度传感器测量滞后所形成的动态测量误差的补偿方法。用该方法设计的动态补偿器具有不依赖温度传感器动态模型的特点,可根据温度传感器和参考模型对输入激励响应的实测数据,通过微粒群(PSO)算法的优化学习得到补偿器的参数。检测信号经补偿计算后输出,能够克服传感器的测量滞后。实验证明了该方法的有效性。     

神经网络补偿算法在基于MEMS的姿态检测中的应用

针对基于微机电传感器的姿态检测领域存在的姿态测量误差问题,为进一步提高姿态检测的精度,提出了一种基于神经网络的姿态估计误差补偿方法。采用开源的微型飞行器在室内环境进行真实飞行实验采集的数据集,借助BP神经网络的非线性映射能力,建立了关于微机电传感器的输出与姿态估计误差之间的姿态误差补偿模型;根据微机电传感器的输出信息,直接预测得到横滚角、俯仰角和偏航角的误差补偿角度。实验结果表明,利用所提出的神经网络进行姿态补偿之后,姿态估计误差大大减小,表明神经网络对于提高姿态检测的精度具有一定的作用。     

基于改进PSO优化LSSVM的传感器补偿研究

针对最小二乘支持向量机在对传感器进行补偿时,正则化参数和核函数参数对补偿精度影响较大的问题,提出一种利用改进的粒子群优化算法优化最小二乘支持向量机模型参数的传感器补偿方法。该方法利用改进的粒子群优化算法优化最小二乘支持向量机模型的正则化参数和核函数参数,避免了人工选择参数的盲目性,提高了最小二乘支持向量机模型的预测精度。仿真实验表明,在传感器的补偿时,该方法比最小二乘支持向量机模型的补偿精度更高。     

硅电容式高精度双轴倾角传感器温度漂移补偿研究

为了提高倾角传感器测量精度,提出了一种基于最小二乘多项式分段函数非线性曲线拟合温度漂移补偿方法。根据倾角传感器原理与温度漂移补偿特性,结合实验情况,建立两段分段函数温度漂移补偿模型,忽略其它粗大误差的影响,引入自变量温度,并固定角度,使用最小二乘法对实验采集的数据进行分析与处理。经实验证明:温度在-36～55℃范围内倾角传感器测量误差精度达到0. 001°。该方法有效地提高了倾角传感器的测量精度,取得了良好的补偿效果。     

线振动台系统误差对PIGA二次项标定影响分析

针对陀螺加速度计(PIGA)在线振动台上测试时,线振动台系统误差对PIGA二次项系数标定的影响,提出了一种正倒置的测试方法,通过将线振动台系统误差(波形畸变、横向加速度、寄生转动)导致的加速度变化代入PIGA模型中,并根据PIGA的实际输出,对采用最小二乘法标定的二次项系数进行显著性分析。实验结果表明,系统误差中波形畸变会对二次项系数的标定精度产生正比影响。通过抑制波形畸变,可以有效减少PIGA二次项系数的测试误差,提高PIGA的使用精度。     

海洋传感器的内嵌陀螺仪偏航角校正方法

海洋传感器通常工作在复杂的磁场环境下,其姿态检测系统一般使用陀螺仪确定偏航角输出。针对短时部署的海洋传感器,分析了MEMS陀螺仪的偏航角漂移误差模型,并在对陀螺仪原始数据补偿的基础上,给出了随机漂移的拟合估值与补偿方法,以提高陀螺仪偏航角输出在一定时间内的精度。使用高精度平台进行实验,结果验证了该补偿校正方法的有效性。     

基于小波神经网络的电涡流传感器非线性补偿

为消除电涡流传感器的非线性误差,提高其测量精度,提出了一种基于小波神经网络和遗传算法的电涡流传感器非线性补偿方法。该方法利用小波神经网络的非线性映射能力,使得传感器的输入与输出线性化,并使用遗传算法搜寻网络的最优初始值,加强网络的非线性逼近能力和收敛能力,显著提高电涡流传感器的非线性补偿效果。实验结果表明,经过补偿后,极大提高了传感器的精度,传感器输出电压最大绝对误差为15.55mV,最大相对误差为1.36%,非线性误差为0.34%。     

石英加速度计数据采集系统设计

随着DSP及集成电路技术的发展,应用ADC芯片实现高速、高梢度数据采集已不再是难题;针对石英挠性加速度计输出信号的特点,设计了基于DSP及ADC的数据采集硬件电路,并分析了系统主要误差来源;应用DSP高速数据处理的特点,采用软硬件联合滤波,提高了系统抗干扰能力,并对加速度温度漂移进行实时误差补偿,由于ADC的转换结果仍存在一定误差,采用最小二乘法进行校准补偿,最后将处理结果以PWM调制脉冲输出;实验结果表明,通过软硬件措施,极大地提高了系统采集精度,满足了设计要求.     

基于磁阻传感器和加速度计的电子罗盘设计

介绍了三轴磁阻传感器MMC3120MQ的技术特点,并利用此传感器、三轴加速度传感器ADXL335和微控制器MSP430F2618设计了一种具有倾斜补偿功能的手持式电子罗盘。详细分析了磁阻传感器的误差模型,并给出了基于最小二乘椭球拟合的误差补偿算法。在无磁测试转台上进行了测试,试验结果验证了该电子罗盘能够达到较高的精度,水平放置时航向角绝对误差最大值为1.2°左右,可广泛应用于民用导航领域。     

线控转向汽车传感器的智能容错设计

在汽车线控转向优化控制的研究中,汽车传感器容错技术模型精确度低和易受扰动影响等问题,造成汽车的安全性能受到影响。针对传统解析关系模型精度低,采用了邻域粗糙集模型对传感器信息进行预处理,用以精确找出与容错对象存在解析关系的相关联传感器信息;为了消除观测器的扰动影响,利用了神经网络组建容错对象的冗余信息,将关联传感器信号作为径向基神经网络的输入,容错对象的信号用作进行监督训练。利用神经网络的估计输出和容错对象的输出差值,即残差是否超出门限来实现故障判别,在残差超过门限后进行输出控制,屏蔽故障传感器输出,可用神经网络的估计输出来完成信号补偿。通过仿真表明,改进设计具有较好的抗噪性和逼近能力,能很好的完成故障检测和信号补偿,达到容错控制的目的。     

足式机器人腿部倾角传感器信号处理研究

足式机器人在自主行走时,一般通过倾角传感器来测量腿部转动角度计算足端位置,然而目前足式机器人腿部倾角传感器测量时易受噪声干扰、温度等因素的影响,导致测量精度低,足端位置估计不准确.针对以上问题,提出新的倾角传感器信号处理方法,首先利用卡尔曼滤波方法对倾角传感器输出信号进行滤波预处理,然后把滤波信号和倾角传感器输出温度值作为建立的双输入单输出RBF神经网络模型的输入变量,采用蚁群聚类算法的并行寻优特征和自适应调整挥发系数方法来确定RBF神经网络基函数位置.实验结果表明,提出的算法能很好地滤除倾角传感器信号中的噪声,实现了倾角信号的温度补偿,测量误差能够控制在0.75％以内,具有实际运用价值.